| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·论文选题背景及研究意义 | 第9页 |
| ·铁路运量预测的研究现状 | 第9-13页 |
| ·论文主要内容与技术路线 | 第13-15页 |
| 2 BP人工神经网络和灰色神经网络 | 第15-23页 |
| ·BP神经网络 | 第15-17页 |
| ·BP神经网络结构 | 第15-16页 |
| ·BP网络的学习过程 | 第16-17页 |
| ·灰色神经网络 | 第17-22页 |
| ·灰色模型理论 | 第17-19页 |
| ·灰色神经网络 | 第19-22页 |
| ·小结 | 第22-23页 |
| 3 粒子群优化算法及其改进算法 | 第23-34页 |
| ·粒子群优化算法 | 第23-26页 |
| ·算法原理 | 第23页 |
| ·粒子群优化算法流程 | 第23-25页 |
| ·粒子群优化算法参数设置 | 第25-26页 |
| ·改进的粒子群优化算法 | 第26-33页 |
| ·算法描述 | 第26-27页 |
| ·算法在函数中的测试 | 第27-33页 |
| ·小结 | 第33-34页 |
| 4 基于IPSO-BP神经网络的铁路运量预测研究 | 第34-48页 |
| ·基于IPSO-BP神经网络的预测模型 | 第34-35页 |
| ·IPSO和BP网络结合的可行性 | 第34页 |
| ·基于IPSO-BP神经网络的预测模型实现 | 第34-35页 |
| ·基于IPSO-BP神经网络在铁路客运量预测中的应用 | 第35-42页 |
| ·数据准备 | 第35-36页 |
| ·实验各模型参数选择和实现 | 第36-41页 |
| ·仿真结果比较 | 第41-42页 |
| ·基于IPSO-BP神经网络在铁路货运量预测中的应用 | 第42-47页 |
| ·数据准备 | 第42-43页 |
| ·实验各模型参数选择和实现 | 第43-45页 |
| ·仿真结果比较 | 第45-47页 |
| ·小结 | 第47-48页 |
| 5 基于IPSO-GNN的铁路运量预测研究 | 第48-63页 |
| ·基于IPSO-GNN的预测模型 | 第48-49页 |
| ·基于灰色关联分析法的铁路运量影响因素分析 | 第49-53页 |
| ·灰色关联分析法 | 第49-50页 |
| ·基于灰色关联分析法的铁路货运量影响因素分析 | 第50-51页 |
| ·基于灰色关联分析法的铁路客运量影响因素分析 | 第51-53页 |
| ·基于IPSO-GNN在铁路货运量预测中的应用 | 第53-58页 |
| ·数据准备 | 第53-54页 |
| ·实验各模型参数选择和实现 | 第54-56页 |
| ·仿真结果比较 | 第56-58页 |
| ·基于IPSO-GNN在铁路客运量预测中的应用 | 第58-62页 |
| ·数据准备 | 第58-59页 |
| ·实验各模型参数选择和实现 | 第59-61页 |
| ·仿真结果比较 | 第61-62页 |
| ·小结 | 第62-63页 |
| 结论与展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录A 部分程序计算代码 | 第69-88页 |
| A1 第3章仿真程序 | 第69-71页 |
| A2 第4章仿真程序 | 第71-75页 |
| A3 第5章仿真程序 | 第75-88页 |
| 攻读学位期间的研究成果 | 第88页 |